阿里通义团队近日推出Qwen-Image-Edit多模态大模型,该模型基于20B参数的Qwen-Image,专注于语义和外观编辑,支持双语文本修改、风格迁移及物体旋转。
2025年被视为多模态大模型爆发年,阿里已连续推出Qwen2.5-VL、Qwen2.5-Omni等多款模型。据悉,Qwen2.5-VL在13项评测中超越GPT-4o,Qwen2.5-Omni支持文本、图像、音频、视频实时交互。
国内厂商加速布局多模态领域,阶跃星辰发布Step 3基础大模型,商汤推出日日新V6.5,智谱开源GLM-4.5V视觉推理模型。多模态技术正应用于数字人直播、医疗诊断等场景。
专家指出多模态技术仍处发展初期,面临表征复杂度和语义闭环性等挑战。当前模型在空间推理能力上仍有不足,距离实现真正的AGI还有较长的路要走。


粤公网安备 44010602000162号
网友评论